(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211290721.1 (22)申请日 2022.10.21 (71)申请人 深圳市地铁集团有限公司 地址 518038 广东省深圳市福田区莲 花街 道福中一路1016号 地铁大厦 申请人 深圳铁路投资 建设集团有限公司 (72)发明人 黄力平　雷江松　胡益红　白明刚　 潘健英　崔青玉　崔玲枝　孙晗凌　 曹宇齐　李江　王磊　王晓刚　 刘洋　李昊波　邓运成　陈俊宇　 (74)专利代理 机构 北京集智东方知识产权代理 有限公司 1 1578 专利代理师 刘林　陈攀 (51)Int.Cl. G06F 30/13(2020.01)G06K 9/62(2022.01) (54)发明名称 一种城际铁路云端模型数据融合计算的方 法及装置 (57)摘要 本发明提供了一种城际铁路云端模型数据 融合计算的方法及装置， 所述方法包括： 获取第 一数据和第二数据； 利用所述第二数据对神经网 络模型进行训练， 得到设计施工模型； 将所述第 一数据输入 所述设计施工模型中， 得到所述第一 建筑物的多种设计施工信息； 基于所述第一建筑 物的多种设计施工信息， 计算参与计算所述第一 建筑物的工程量的最终施工参数； 将参与计算所 述第一建筑物的工程量的最终施工参数输入存 储在云端的工程量计算模型， 得到所述第一建筑 物的工程量计算结果。 本发明通过层层递进的方 法计算出了建筑物的工程量， 相较于传统的需要 人工确定施工参数后再计算工程量的方式， 本发 明的方法不仅简化了计算的流程， 还提高了计算 速度。 权利要求书3页 说明书10页 附图3页 CN 115357995 A 2022.11.18 CN 115357995 A 1.一种城际铁路云端模型 数据融合计算的方法， 其特 征在于， 包括： 获取第一数据和第 二数据， 所述第 一数据包括待计算工程量的第 一建筑物的工程基础 信息， 所述第二数据包括多个第二建筑物的历史工程基础信息和历史设计施工信息， 所述 历史设计施工信息中包括多个历史施工参数， 所述第一建筑物与所述第二建筑物为同一类 型的建筑物； 利用所述第二数据对神经网络模型进行训练， 得到设计施工模型； 将所述第一数据输入所述设计施工模型中， 得到所述第一建筑物的多种设计施工信 息， 所述设计施工信息中包括多个施工参数； 基于所述第 一建筑物的多种设计施工信 息， 计算参与计算所述第 一建筑物的工程量的 最终施工参数； 将参与计算所述第一建筑物的工程量的最终施工参数输入存储在云端的工程量计算 模型， 得到所述第一建筑物的工程 量计算结果。 2.根据权利要求1所述的城际铁路云端模型数据融合计算的方法， 其特征在于， 利用所 述第二数据对神经网络模型进行训练， 得到设计施工模型， 包括： 利用所述第二数据构建训练样本集， 其中， 每一个样本中包括每个所述第二建筑物对 应的历史工程基础信息和组合历史施工参数， 组合历史施工参数中包括预设个数的历史施 工参数； 将每一个样本 中的所述历史工程基础信 息作为输入， 组合历史设计施工信 息作为输出 对神经网络模型进行训练， 训练时， 在对输入特征参数进行卷积操作时引入宽度 因子进行 优化， 得到第一处理结果， 对于输出特征参数的每个通道都用预设的卷积核进 行卷积操作， 且用分裂因子进行优化， 得到第二处 理结果； 将所述第一处理结果和所述第二处理结果进行拼接， 将拼接结果作为模型输出的结 果； 计算模型输出 的结果与所述历史设计施工信息之间的相关性系 数， 对所述相关性系 数 进行判断， 当所述相关性系数 大于预设系数阈值时， 停止训练， 得到所述设计施工模型。 3.根据权利要求2所述的城际铁路云端模型数据融合计算的方法， 其特征在于， 利用所 述第二数据构建训练样本集， 包括： 挑选组合处理： 在每个所述第 二建筑物的多个历史施工参数中随机挑选预设个数的历 史施工参数进行组合， 得到组合 参数； 重复所述挑选组合处理步骤， 当达到预设的挑选组合处理次数时则停止此步骤， 得到 多个组合 参数； 将每个所述第二建筑物对应的历史工程基础信息和每个所述第二建筑物对应的一个 组合参数作为 一个样本中包括的数据， 得到多个样本 。 4.根据权利要求1所述的城际铁路云端模型数据融合计算的方法， 其特征在于， 基于所 述第一建筑物的多种设计施工信息， 计算参与计算所述第一建筑物的工程量的最 终施工参 数， 包括： 对每一个施工参数进行无量纲化处理， 得到每个无量纲化处理后的施工参数， 基于所 述无量纲化处理后的施工参数计算所述施工参数与所述第一建筑物的工程量的灰色关联 系数； 基于所述灰色关联系数， 计算得到所述施工参数与所述第一建筑物的工程量的关联权　利　要　求　书 1/3 页 2 CN 115357995 A 2度， 将所述施工参数的关联度大于预设关联度阈值的施工参数作为参与计算所述第一建筑 物的工程 量的施工参数； 基于所述参与计算所述第一建筑物的工程量的施工参数和所述第一建筑物的多种设 计施工信息， 计算 参与计算所述第一建筑物的工程 量的最终施工参数。 5.一种城际铁路云端模型 数据融合计算的装置， 其特 征在于， 包括： 获取模块， 用于获取第一数据和第二数据， 所述第一数据包括待计算工程量的第一建 筑物的工程基础信息， 所述第二数据包括多个第二建筑物的历史工程基础信息和历史设计 施工信息， 所述历史设计施工信息中包括多个历史施工参数， 所述第一建筑物与所述第二 建筑物为同一类型的建筑物； 训练模块， 用于利用所述第二数据对神经网络模型进行训练， 得到设计施工模型； 第一计算模块， 用于将所述第一数据输入所述设计施工模型中， 得到所述第一建筑物 的多种设计施工信息， 所述设计施工信息中包括多个施工参数； 第二计算模块， 用于基于所述第一建筑物的多种设计施工信息， 计算参与计算所述第 一建筑物的工程 量的最终施工参数； 第三计算模块， 用于将参与计算所述第 一建筑物的工程量的最终施工参数输入存储在 云端的工程 量计算模型， 得到所述第一建筑物的工程 量计算结果。 6.根据权利要求5所述的城际铁路云端模型数据融合计算的装置， 其特征在于， 训练模 块， 包括： 训练单元， 用于利用所述第 二数据构建训练样本集， 其中， 每一个样本中包括每个所述 第二建筑物对应的历史工程基础信息和组合历史施工参数， 组合历史施工参数中包括预设 个数的历史施工参数； 优化单元， 用于将每一个样本中的所述历史工程基础信息作为输入， 组合历史设计施 工信息作为输出对神经网络模型进行训练， 训练时， 在对输入特征参数进行卷积操作时引 入宽度因子进行优化， 得到第一处理结果， 对于输出特征参数的每个通道都用预设的卷积 核进行卷积操作， 且用分裂因子进行优化， 得到第二处 理结果； 判断单元， 用于将所述第一处理结果和所述第二处理结果进行拼接， 将拼接结果作为 模型输出 的结果； 计算模型输出 的结果与所述历史设计施工信息之间的相关性系 数， 对所 述相关性系数进行判断， 当所述相关性系数大于预设系数阈值时， 停止训练， 得到所述设计 施工模型。 7.根据权利要求6所述的城际铁路云端模型数据融合计算的装置， 其特征在于， 训练单 元， 包括： 挑选子单元， 用于挑选组合处理： 在每个所述第二建筑物的多个历史施工参数中随机 挑选预设个数的历史施工参数进行组合， 得到组合 参数； 重复子单元， 用于重复所述挑选组合处理步骤， 当达到预设的挑选组合处理次数时则 停止此步骤， 得到多个组合 参数； 组合子单元， 用于将每个所述第 二建筑物对应的历史工程基础信 息和每个所述第 二建 筑物对应的一个组合 参数作为 一个样本中包括的数据， 得到多个样本 。 8.根据权利要求5所述的城际铁路云端模型数据融合计算的装置， 其特征在于， 第 二计 算模块， 包括：权　利　要　求　书 2/3 页 3 CN 115357995 A 3